论文阅读：Factorizable Net: An Efficient Subgraph-based Framework for Scene Graph Generation

最新推荐文章于 2024-05-31 09:46:06 发布
最新推荐文章于 2024-05-31 09:46:06 发布
阅读量2.2k 收藏 7
点赞数 3
文章标签： scene understand
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_37014750/article/details/82761715
版权
Factorizable Net是ECCV2018提出的一种新的场景图生成方法，通过构建子图来减少计算复杂度，提高模型训练和推理速度。它避免了多余的区域提案，保留了所有对象对候选，同时使用注意力机制和2D子图特征来替代mask，实现共享表示。该方法在优化对象特征和子图特征时考虑了空间信息，通过加权求和和变换操作进行特征细化。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

FactorizableNet（ECCV2018）

文章
  Paper认为目前有两种生成scene graph的方法，一种是two-stage的，先把object检测到（包括类别），然后再recognize他们之间的关系，另一种是基于region proposal对object的类别和他们之间的relation进行联合推理。两种方法的共同之处是都会用到object pair的union box的特征作为phrase feature，这个特征包括cnn特征和spatial特征，后者往往由mask体现。一个很常见的事实是，很多object pair的union box非常接近，因此他们的cnn feature也就是很接近的，于是一个自然的想法是让具有相似region（union box）的object pair共享cnn特征。
在这里插入图片描述

  1. 首先通过RPN得到region proposal
  2. 构建了fully-connected graph，可以看到图中这几个object pair的union box很接近，因此将它们cluster成了一个subgraph
  3. 将fully-connected graph转换成了基于subgraph的graph，红色圆形代表object box，绿
最低0.47元/天 解锁文章
Kivee123
关注
【CVPR2022】论文列表与下载——PartTwo
TomRen
06-12 2642
CVPR2022完整论文列表
ICRA2020论文整理（SLAM + Deep Learning）
Spacegene的博客
07-20 1万+
参考:https://github.com/PaoPaoRobot/ICRA2020-paper-list Table of Contents: 1. SLAM 2. Deep Learning in Robotics and Automation 3.Localization 4. Sensor Fusion 5. Calibration and Identification 6. Semantic Scene Understanding 7. Reinforcement Learn...
论文阅读-场景图谱-图谱生成：Factorizable Net: An Efficient Subgraph-based Framework for Scene Graph Generation
古承风的博客
01-13 760
文章目录摘要引言 [1] Li Y, Ouyang W, Zhou B等. Factorizable Net: An Efficient Subgraph-Based Framework for Scene Graph Generation[J]. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatic
推荐开源项目：Factorizable Net —— 高效场景图生成框架
最新发布
gitblog_00009的博客
05-31 371
推荐开源项目：Factorizable Net —— 高效场景图生成框架 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 Factorizable Net（F-Net）是由 ECCV 2018 论文提出的一种用于高效场景图生成的深度学习框架。该项目基于之前的 Multi-level Scene Description Network (MSDN)，提供了一个 PyTor...
paper survey（2019.06.05）——卷积网络feature map的传递与利用
gwpscut的博客
06-05 5050
最近阅读大量的paper来寻找突破点，就不打算一篇一篇的写博文的，直接记录于此（比较有意思的paper会独立出来博客） 目录 《Scale-Transferrable Object Detection》 《Weakly Supervised Phrase Localization with Multi-Scale Anchored Transformer Network》 《Fact...
论文阅读笔记-A Survey on Graph Neural Networks and Graph Transformers in Computer Vision(GNN综述)
qq_41234663的博客
10-07 2083
最近GNN方向工作的论文综述笔记
深度学习入门----EfficientNet解读
Trent1985的专栏
06-07 3万+
EfficientNet是谷歌最新的论文：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks ICML 2019 这篇论文主要讲述了如何利用复合系数统一缩放模型的所有维度，达到精度最高效率最高，符合系数包括w,d,r，其中，w表示卷积核大小，决定了感受野大小；d表示神经网络的深度；r表示分辨率大小； ...
【论文阅读笔记】NeurIPS2020文章列表Part1
zincrain的博客
12-09 2万+
A graph similarity for deep learning An Unsupervised Information-Theoretic Perceptual Quality Metric Self-Supervised MultiModal Versatile Networks Benchmarking Deep Inverse Models over time, and the Neural-Adjoint method Off-Policy Evaluation and Learning.
AAAI 2022 论文列表
gbstack08的专栏
02-15 2万+
链接及代码之后会更新 GitHub链接：https://github.com/gbstack/AAAI-2022-papers Scaled ReLU Matters for Training Vision Transformers Pichao Wang, Xue Wang, Hao Luo, Jingkai Zhou, Zhipeng Zhou, Fan Wang, Hao Li, Rong Jin Search Strategies for Topological Network Optimizat
ECCV 2020 ｜ 超快的车道线检测
我爱计算机视觉
07-08 4366
本文转载自知乎，已获作者授权转载。链接：https://zhuanlan.zhihu.com/p/157530787很高兴和大家分享一下我们刚刚被 ECCV 2020 接收的新工作：一种...
EfficientNet介绍
qq128252的博客
12-24 2万+
这里写目录标题卷积神经网络精度提升的经验EfficientNet特点三级目录 卷积神经网络精度提升的经验 网络深度的增加，典型的如resnet,就是通过残差网络的堆叠，增加网络层数，以此来提升精度。 网络宽度的增加，通过增加每层网络的特征层数，提取更多的特征，以此来提升精度。 图像分辨率的增加，分辨率越高的图像，所能获取的信息越多，网络能够学习到更多的特征，从而提升精度。 EfficientNet特点 历史的研究表面，对于卷积神经网络的提升，着重点在于网络深度，网络宽度，分辨率这三个维度。因此，effi
effcientNet学习笔记
x1027105273的博客
05-30 1115
effcientNet学习笔记
R-CNN之前的准备：Efficient Graph-Based Image Segmentation
xbcReal的博客
07-23 2009
R-CNN大致分为两个步骤，一个是使用提出检测建议(detection proposals)的算法，另一个是使用神经网络对这些检测建议进行分类和融合。在R-CNN中用到的提出检测建议的算法是选择性搜索算法(selective search)，这个算法分为两个大步骤，一个是使用图像分割算法把图像分为许多的小区域，另一个是对这些区域按照一定的准则进行融合形成更大的区域，并对这些区域生成相应的包围矩形(b
EfficientNet
年轻即出发，
07-13 5193
论文：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks Github：https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet 论文基于深度（depth），宽度（width），输入图片分辨率（resol...
语义分割_CVF2020
T5A_318的博客
12-03 1218
目录 单图像语义分割 Modeling the Background for Incremental Learning in Semantic Segmentation Single-Stage Semantic Segmentation from Image Labels Learning Dynamic Routing for Semantic Segmentation Spatial Pyramid Based Graph Reasoning for Semantic Segmentatio
经典网络解读——Efficientnet
lishanlu136的博客
04-30 1726
efficientnet经典分类网络解读
图卷积在语义分割上的应用（论文集）
如果想成为中心，那么就到中心去吧。
11-18 6233
文章目录2019Graph-FCN for image semantic segmentation 2019 Graph-FCN for image semantic segmentation 深度学习的语义分割在图像像素分类方面取得了很大的进展。然而，在深度学习的高级特征提取中，通常会忽略局部位置信息，这对图像语义分割具有重要意义。为了避免这个问题，我们提出了一个由名为Graph-FCN的全卷积网络(FCN)初始化的图模型，用于图像语义分割。首先，利用卷积网络将图像网格数据扩展到图结构数据中，将语义分割问
【一看就懂】EfficientNet详解。凭什么EfficientNet号称当今最强？
热门推荐
忽逢桃林的博客
02-03 4万+
efficientNet的论文原文链接 英语过关的小伙伴也许可以挑战一下？哈哈 模型扩展Model scaling一直以来都是提高卷积神经网络效果的重要方法。 比如说，ResNet可以增加层数从ResNet18扩展到ResNet200。这次，我们要介绍的是最新的网络结构——EfficientNet，就是一种标准化的模型扩展结果，通过下面的图，我们可以i只管的体会到EfficientNet b0-b...
Kotlin技术探索：深入理解和应用navigation-subgraph-viewmodel
标题中的 "navigation-subgraph-viewmodel" 指向了一个在软件架构中常见的设计模式概念，即导航子图视图模型（ViewModel）。ViewModel 是一种设计模式，它主要用于分离界面控制器（如Activity或Fragment）的业务逻辑...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值